创伤性脑损伤相关放射性DVT发生率与意义研究
该数据集来自clinicaltrials.gov,聚焦创伤性脑损伤(TBI)患者中深静脉血栓(DVT)的发生率与临床意义

基本信息
资源简介
创伤性脑损伤相关放射性DVT发生率与意义研究
该数据集来自clinicaltrials.gov,聚焦创伤性脑损伤(TBI)患者中深静脉血栓(DVT)的发生率与临床意义。源站描述指出,TBI患者DVT风险升高,近端下肢静脉筛查研究中发生率为14%至18%;药物性血栓预防可能有效,但因担心颅内血肿扩大和挫伤扩大而常被延迟,现有系统综述因缺乏高质量随机对照试验无法回答何时开始预防的问题。数据可用于研究TBI后DVT的流行病学、预防时机及并发症关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:创伤性脑损伤、深静脉血栓、急性肺损伤、呼吸机相关性肺炎。深静脉血栓(DVT)在创伤后常见,创伤性脑损伤(TBI)患者风险增加。在针对TBI患者近端下肢静脉DVT筛查的研究中,发生率为14%至18%。药物性血栓预防(PT)可能有效降低TBI后DVT的发生率。然而,由于担心颅内血肿扩大和挫伤扩大的风险,临床医生不愿开始使用。因此PT常被延迟,使患者暴露于DVT的潜在风险和并发症中。近期系统综述无法回答何时开始PT的问题,因为尚无针对该问题的高质量随机对照试验。最新版《脑创伤基金会指南》可能
【主题与分类】
主题标签:Traumatic Brain Injury、Deep Vein Thrombosis、Acute Lung Injury、Ventilator Associated Pneumonia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03937947
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT03937947
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
病症:创伤性脑损伤、深静脉血栓、急性肺损伤、呼吸机相关性肺炎。深静脉血栓(DVT)在创伤后较为常见,而创伤性脑损伤(TBI)患者风险更高。在针对TBI患者下肢近端静脉DVT筛查的研究中,其发生率为14%至18%。药物性血栓预防(PT)可能有效降低TBI后DVT的发生率。然而,由于担心颅内血肿扩大和脑挫裂伤扩大的风险,临床上不愿开始使用。因此,PT常被延迟,使患者面临DVT的潜在风险和并发症。近期系统综述无法回答何时开始PT的问题,因为尚无针对此问题的高质量随机对照试验。最新版《脑创伤基金会指南》也无法就此问题提出推荐意见。
一项涉及研究者网络的英国Eurotherm3235研究中心开展的德尔菲法调查发现,英国神经重症监护专家最关注、认为需要进一步研究的问题是:在中重度TBI后何时开始PT。然而,矛盾的是,尽管对该患者群体使用PT存在这些担忧,但已确认存在近端DVT所带来危害的证据尚不令人信服。这具有额外的意义,因为如果没有明确证据表明DVT使TBI复杂化并带来危害,那么针对早期使用PT的安全性和有效性问题开展试验将难以设计,也不太可能吸引必要的资金。通过对一个创伤登记数据库中接受静脉筛查的DVT风险患者进行检索发现,在TBI患者中,DVT的发生与机械通气天数增加相关(DVT组与无DVT组的均值(标准差)分别为18.0(14.9)天 vs. 9.3(7.9)天,p=0.014),也与ICU住院时间延长相关(DVT组与无DVT组分别为23.0(14.5)天 vs. 13.1(9.8)天,p=0.006)。在EPO TBI试验的事后分析中也观察到类似结果。该试验是一项随机对照试验(RC
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




